标签：
特征准则
区分性：不同类别模式在特征空间可分
不变性：同一类别模式在特征空间的变化（变化、形变、噪声）
三个实例
大体思想是这种，如果有5类图像。每一类中有10幅图像。这样首先对每一幅图像划分成patch（能够是刚性切割也能够是像SIFT基于关键点检測的），这样。每个图像就由非常多个patch表示，每个patch用一个特征向量来表示，咱就如果用Sift表示的，一幅图像可能会有成百上千个patch，每个patch特征向量的维数128。
接下来就要进行构建Bag of words模型了，如果Dictionary词典的Size为100，即有100个词。那么咱们能够用K-means算法对全部的patch进行聚类，k=100，我们知道，等k-means收敛时。我们也得到了每个cluster最后的质心。那么这100个质心（维数128）就是词典里德100个词了，词典构建完成。
词典构建完了怎么用呢？是这种，先初始化一个100个bin的初始值为0的直方图h。每一幅图像不是有非常多patch么？我们就再次计算这些patch和和每个质心的距离，看看每个patch离哪一个质心近期，那么直方图h中相相应的bin就加1，然后计算完这幅图像全部的patches之后，就得到了一个bin=100的直方图。然后进行归一化。用这个100维德向量来表示这幅图像。
对全部图像计算完毕之后。就能够进行分类聚类训练预測之类的了。
"
C 图像显著性
1 多尺度对照
2 中心周围直方图
3 颜色空间分布
标签：
原文地址：http://www.cnblogs.com/yxwkf/p/5138411.html
